摘 要：本文对神经网络的特征及其信息处理的特点进行分析，提出研究建筑经济管理所需要解决的问题，并分析了结合神经网络与建筑经济管理是否有必要以及可行，并且还分析了建筑经济管理中神经网络的应用。
关键词：神经网络；建筑经济管理
神经网络是上世纪80年代中期中人工智能领域的一个分支，人工智能领域特别适合应用在土木工程和管理领域中。人们越来越关注神经网络在建筑经济管理领域中的应用，因为它能处理该领域问题的多样性和复杂性，并且擅长解决非线性问题。
一、神经网络的特征及其信息处理特点
人工神经网络是在模式识别和分类领域中对人脑中枢神经系统的生物神经结构进行功能性抽象，它们自适应能力非常强，非常擅长在数据中捕捉和学习规律，具有极强的计算能力。已经证明神经网络非常适用于解决复杂非线性问题，特别适合于解决那些采用传统的数学方法和手段建模困难的复杂问题。
1、神经网络的基本特征
（1）内在并行性。神经网络是结构和处理运行过程高度并行的非线性系统。
（2）分布式存储。信息在神经网络中分布存储，这个与传统计算机不同。
（3）容错性。网络中部分神经元如果出现误差，将不会对整个系统的行为产生很大影响，因为信息是分布存储在整个系统中，而不是驻留在某一个特定的存储区域内的。
（4）学习与自适应性。很强的学习能力是神经网络的一个重要特点，神经网络有很强的自我调节能力，可以在监督或非监督学习数据的基础上，实现任意复杂的函数关系。
2、神经网络的信息处理特征
神经网络的信息处理方式与传统的信息处理技术方式有很多不同之处。主要体现在一下几点：
（1）数据驱动以及“黑箱”建模方式。神经网络在经过训练后可以直接发现数据的特征和规则，并可以实现任意复杂的函数映射。神经网络的强大方面在于，当没有预先输入模式先验信息时，它仍可以在数据驱动的帮助下取得优良的结果，并且这个过程不需要设计模型结构以及估计参数，整个分析和建模过程就是“黑箱”操作过程。
（2）自适应、非编程的工作方式。神经网络的工作方式是实时的和自适应的，任意关系的学习可以通过调整神经网络的权值得以实现，而外界环境的变化可以通过补充训练样本来进行适应和跟踪。
（3）信息存储与处理合体。神经网络同时完成运行时的信息处理与存储，信息的冗余性是其隐含特征，分布于神经元状态和权值之上。
（4）实时信息处理。神经网络是有高密度、高维的并行计算结构，是一个大规模非线性动力学系统。神经网络的集体运算能力帮助其在线实时处理完成高维数据。
二、建筑经济管理研究面临的问题
建筑经济管理问题研究的动力和目的是真实描述和分析建筑相关活动,合理解释各种现象及规律,从而有效预测和控制建筑活动。但是很难用传统的回归方法和辨识方法通过数学方程准确地表达建筑经济管理问题，因为它变量众多、结构复杂。传统方法研究建筑经济管理主要面临以下几个方面。
1、对系统的非线性认识不足
（1）忽视了系统内各变量之间复杂的非线性关系，过分强凋先验假设。建筑活动在理论和实践中有明显的非线性和复杂性。
建筑经济管理问题的本质上是因为现实的复杂性导致的非线性。建筑活动随时代和环境的变迁表现出其非线性特征。一方面，建筑经济管理问题的线性假没体现了系统特殊性。但另一方面，系统建模时所使用的理论总是落后于现实，这是因为其相关理论发展的滞后性，而这又是由于其非线性和复杂性引起的。
（2）忽视数据本身效用，过分依赖理论指导。模型的函数形式很难仅仅通过理论考虑获得。在实践中选择理论框架既是十分重要又是十分困难的。
2、对系统变量自身特征的认识不足
（1）变量（数据）的高噪声。采集、编制建筑经济管理数据时会有很多误差，再加上诸多外在因素的冲击造成了波动强烈变形，所以数据是包含有许多“奇异点”而且是高噪声。
（2）变量的高度不确定性。目前经济学界对不确定性没有一个统一的定义，一般情况下有2种不确定性的定义。一种定义是变量的不确定性通过随机变量的方差来定义，通常称为概率型不确定性，也可称为“风险”。另一种定义是一种没有稳定概率的随机事件，称为非概率型不确定性。
（3）变量不同程度的模糊性。一定的模糊性是大多数建筑管理问题变量的特点。现实中的不分明现象就是模糊性。而从一种状态过渡到另一种有差异的状态的过程中，中间发生了量变到质变的连续过程。
总之，常常需要解决建筑管理中的决策、优化等非线性问题，由于它们的一次性、高度动态性和复杂性的特点，建筑管理的信息是随机的，具有非线性和时变性，相应的变量也有不确定性、高噪声和模糊性的特点，因此搜集数据、分析因素等方面有相当大的难度。
三、神经网络与建筑经济管理结合的必要性和可行性
目前房地产业和建筑业竞争越来越激烈，其经济一体化的进程也在不断加快，因此建筑经济管理领域面对越来越复杂的困境，这些困境通常是动态的并有不可重复的高度非线性特点，而且有很多相应的变量，这些变量常常是不确定、高噪声和模糊的。在解决这些问题的过程中，理论指导在采集数据、分析因素以及选择变量方面存在一定的不足。而神经网络避免了这些不足，它利用数据驱动、“黑箱”建模方式，而且不需要先验证（统计知识）信息。所以，很有必要将神经网络引入建筑管理领域，将其作为非线性分析工具。
神经网络的特征有自适应性、分布式存贮和并行计算、学习和容错性等，在解决建筑经济管理领域的复杂问题有相当大的潜力。
四、神经网络在建筑经济管理中应用的领域
怎样用神经网络来帮助解决解决实际问题是人们一直对神经网络进行的应用研究，技术和工程领域的很多复杂问题可以通过人脑的思维、学习、处理信息和存贮等智能行为的模拟来得以解决，并且人们越来越关注神经网络在这方面的应用研究，其研究成果也是相当引人注目的。不确定性和不断变化是建筑活动的特点，快速、低成本的解决建筑经济管理问题的方法就是进行适当的近似和推理。建筑经济管理领域中神经网络的应用研究相较于在其他工程领域的应用而言并不多，而且国内相关方面的研究也起步较晚，并且在已经研究的领域中，其工作重心主要放在价格评估和成本估计方面。
1、项目资金流量及成本预测。神经网络系统可以帮助建筑承包商对项目的资金流量和成本进行预测、更新和管理，以使承包商避免出现资金短缺、破产等情况，并及时对成本和工期做出预警。
2、风险分析和预警。神经网络系统可以作为建筑公司对风险和收益进行评估的投资决策工具，该系统可以以风险来源因素作为输入单元。
3、决策支持。虽然管理者可以选择很多统计学和数学模型来决策，但是这些模型不能通过不可预见的数据或不完整的数据学习并总结规律进而得出导出结果，因为它们是在概率和回归技术的基础上得出最优结果，但是神经网络就不同，它避免了此类问题的发生。
4、资源配置与优化。对资源配置进行优化并保证最低成本是很多建筑管理领域中所存在的问题，工程实践人员和研究人员目前最关注的问题之一就是CPM／Pert网络计划技术。然而，目前还没有一个模型对各个相关要素（如场地条件、没计变更、设备条件等）的影响效果进行预测，并且向历史数据学习。可是神经网络却解决了这样一个复杂问题，这对建筑管理者是及其有帮助的，因为它能预测并确定资源的优先级。
5、投标辅助决策。神经网络系统学习中标工程的历史数据，并能通过分析投标环境从而确定投标策略，再根据建筑成本预估确定投标价格，再进入标书编制程序之前预测投标结果。
6、分类和选择。选择建筑材料、施工方法、没备等非常复杂，往往需要依靠经验来解决这个问题。
神经网络是帮助分析和解决复杂问题，特别是非线性问题的重要手段。越来越多的建筑管理领域和信息技术领域的研究人员认识并发掘神经网络的潜力。神经网络是一个本身并不完善的新兴的交叉科学，一直进行着神经网络结构与算法的改进等研究。对于神经网络在建筑经济管理领域的应用，还有一些问题有待深入研究，尤其是神经网络与模糊逻辑、遗传算法、专家系统等方法的结合运用，将是一个非常有吸引力的研究领域。
参考文献：
[1]王爱华.孙峻.BP神经网络在工程项目管理中的应用[J].建筑管理现代化.2009（4）
[2]罗艳芬.万国金基于BP神经网络模型的信息处理系统的应用分析[J].计算机与现代化.2004（11）
[3]杨卫平.李飚.神经网络的一般模型及在信息处理中的应用[J].系统工程与电子技术1999（21）
